Текст выступления:

Схема Бернулли
1. Схема Бернулли в алгебре: как считать вероятность нескольких успехов

В задачах по вероятности часто нужно понять не просто «случится ли событие», а насколько вероятно получить несколько успехов подряд. Именно для этого и нужна схема Бернулли: она связывает число испытаний, вероятность успеха и количество удачных исходов.

2. Зачем изучать схему Бернулли в 9 классе

Она учит работать с сочетаниями так, чтобы находить вероятность не одного события, а целой серии одинаковых попыток. Это монеты, тесты, попадания в цель — там, где условия не меняются, а исходов ровно два: успех или неудача.

3. Условия применения схемы Бернулли

Применять схему Бернулли можно только тогда, когда модель действительно «бернуллива». Во‑первых, испытаний должно быть фиксированное число n. Во‑вторых, результат каждого испытания — один из двух: успех с вероятностью p и неудача с вероятностью q = 1 − p. В‑третьих, каждое испытание должно быть независимым: исход одного не должен менять вероятность успеха в следующем. В‑четвёртых, вероятность p считается постоянной для всех испытаний.

4. Пример независимых испытаний: броски монеты

Броски монеты — классический пример, потому что при честной монете вероятность орла одинакова в каждом броске. Если монета действительно не «выучила» дорогу к одной стороне, то события независимы. Тогда каждая попытка имеет два исхода: успех и неудача, и условия схемы Бернулли выполняются естественно.

5. Обозначения, используемые в формуле Бернулли

Чтобы формула работала без путаницы, в задачах вводят стандартные обозначения. n — число испытаний, k — сколько успехов требуется получить, p — вероятность успеха в одном испытании, q — вероятность неудачи (обычно q = 1 − p). А C^k_n означает число способов выбрать места, где произойдут k успехов среди n испытаний.

6. Формула Бернулли для вероятности ровно k успехов

Когда условия выполнены, вероятность ровно k успехов в серии из n независимых испытаний вычисляют по формуле Pₙ(k) = Cₙᵏ · pᵏ · q⁽ⁿ⁻ᵏ⁾. Смысл в том, что учитываются все последовательности, где успехов ровно k, и каждая такая последовательность получает свою вероятность; суммарно получается точное значение.

7. Алгоритм решения задач по схеме Бернулли

Решение обычно начинается не с подстановки в формулу, а с проверки модели. Шаг первый — убедиться, что испытания одинаковые и независимые. Затем нужно определить, что считается успехом, найти p и q, и определить n и k. После этого выбирают формулу Бернулли для «ровно k успехов», подставляют значения в Pₙ(k) и вычисляют комбинаторный множитель Cₙᵏ. На финальном этапе важно интерпретировать результат: не просто число, а вероятность получить ровно заданное число успехов.

8. Распределение вероятностей при трех бросках монеты

Для наглядности удобно рассмотреть три броска монеты. Тогда возможны варианты: 0, 1, 2 или 3 успеха. При симметрии честной монеты p = 1/2 распределение получается «горбатым»: середина обычно заметно заметнее краёв. Именно так проявляется разница между числом подходящих последовательностей.

9. Пример вычисления: 4 броска монеты и 2 орла

Представим: выполняется n = 4 броска, требуется получить k = 2 орла. Тогда p = 1/2 и q = 1/2. Число последовательностей с ровно двумя орлами равно C₄², а вероятность одной такой последовательности — (1/2)² · (1/2)^(4−2). Умножение даёт итог: формула превращает комбинаторный подсчёт вариантов в точную вероятность.

10. Почему вероятности складываются: все последовательности при 4 бросках

Когда говорят «вероятности складываются», важно понимать, что складываются не абстрактные числа, а вероятности разных несовместных последовательностей. При четырёх бросках существует конечное число исходов, и варианты «ровно 2 орла» распадаются на отдельные последовательности. Они не пересекаются по условиям, поэтому суммирование корректно, а формула Бернулли уже заранее учитывает это через Cₙᵏ.

11. Что происходит с распределением при росте числа испытаний

Когда число испытаний n растёт, распределение вероятностей становится более «собранным» вокруг наиболее вероятных значений количества успехов. Для средних k вероятность обычно увеличивается, а крайние случаи становятся всё реже. Интуитивно это похоже на то, как в длинной серии случайностей чаще повторяются «типичные» результаты, а совсем экстремальные — встречаются значительно реже.

12. Как влияет вероятность одного испытания p

Вероятность успеха p управляет тем, где «располагается» основная масса исходов. При одном и том же n изменение p меняет форму распределения: если p становится больше 1/2, то больше шансов на успех, и график смещается к большему числу успехов. Если p меньше 1/2, вероятность успехов падает, и основная область значений сдвигается в сторону меньших k. То есть p задаёт «центр тяжести» распределения.

13. Типичные ошибки в задачах на схему Бернулли

Ошибки чаще возникают не в вычислениях, а в понимании условия. Самая частая — неправильно выбрать событие «успех»: иногда путают, что именно считается орлом/попаданием, а что — неуспехом. Вторая — считать p и q неверно или забыть, что q = 1 − p. Третья — пытаться применять схему Бернулли, хотя условия независимости или одинаковости не выполняются. Хорошая привычка — сначала аккуратно выписать n, k, p и q, только потом подставлять в формулу.

14. Где схема Бернулли встречается в жизни и задачах

Схема Бернулли — не только школьный инструмент. По сути, она описывает множество реальных процессов, где много одинаковых попыток с двумя исходами: прошёл/не прошёл тест, сработал/не сработал контроль качества, попали/не попали в цель, досталась/не досталась акция в лотерее. На практике это помогает оценивать риски и планировать ожидания: насколько вероятна заданная «партия успехов» при фиксированном качестве процесса.

15. Как проверить, подходит ли схема Бернулли

Перед выбором формулы полезно пройти короткую проверку. Во-первых, сколько испытаний? Оно должно быть фиксированным и одинаковым по смыслу. Во‑вторых, есть ли ровно два исхода в каждом испытании? Во‑третьих, одинаковая ли вероятность успеха p во всех попытках? И наконец, независимы ли испытания: не меняется ли вероятность успеха после каждого шага? Если ответы «да» на эти вопросы, схема Бернулли подходит; если хотя бы одно условие нарушено, модель нужно пересматривать.

16. Наиболее вероятное число успехов

Когда рассматривается серия одинаковых независимых испытаний, важно понимать не только «какая вероятность у каждого исхода», но и где обычно группируются результаты. В биномиальных моделях это можно представить как распределение, у которого есть центральная зона.

Ключевой ориентир здесь — значение около n/2. Когда случайных «успехов» и «неудач» поровну по шансам, центр распределения заметно выделяется: чем ближе к середине оказывается возможное число успехов, тем выше шанс получить именно его. В симметричном случае это становится наиболее вероятной точкой.

Такой вывод помогает быстро прикинуть, где ожидать типичный результат. Например, если десять подбрасываний монеты дают два исхода и успехом считать «орёл», то наиболее частыми окажутся значения, близкие к середине ряда — потому что именно там «собирается» больше разных способов получить такое число успехов. Это не магия, а следствие того, как комбинаторика распределяет «варианты» по числу успехов.

Переходя к следующему шагу, естественно спросить: откуда вообще берётся такая форма вероятностей — почему середина действительно «плотнее», а края «редче»?

17. Биномиальное распределение как результат схемы Бернулли

Схема Бернулли — это классическая модель повторяющихся испытаний: каждый раз есть два исхода, вероятность успеха одна и та же, а испытания независимы. Именно в такой ситуации и появляется биномиальное распределение.

В этой модели каждое число успехов k получает свою вероятность: одни k встречаются чаще, другие — реже. Но важно другое: все эти вероятности образуют единую систему, которая задаётся сразу двумя параметрами — числом испытаний n и вероятностью успеха p.

Если изобразить распределение графически, обычно видно «горку»: в центре она выше, на краях ниже. Для симметричного случая, когда p = 0,5, эта горка особенно наглядна — вероятности симметричны относительно середины.

И ещё один смысловой факт: сумма всех вероятностей равна 1 — распределение не «теряет» массу и не добавляет ничего сверх реальности. А самые большие значения, как правило, концентрируются около середины распределения, что напрямую объясняет интуицию с «наиболее вероятным» числом успехов.

Теперь, чтобы уверенно работать с такими вероятностями, нужно понять, почему в формуле постоянно встречается один и тот же комбинаторный множитель — сочетания. Именно они превращают простое «выбор исходов» в точные числа вероятностей.

18. Почему сочетания так важны в формуле

Сочетания — это язык, которым комбинаторика отвечает на вопрос: «Сколько существует способов получить ровно k успехов?» В биномиальной формуле именно они связывают вероятность одного успеха с количеством разных упорядоченных сценариев.

Во-первых, сочетания учитывают «перестановки сценария». Даже если итог один и тот же — например, ровно k успехов из n, — последовательности могут быть разными: успехи могут стоять в разных местах. Формула Бернулли складывает вклад всех таких вариантов.

Во-вторых, сочетания объясняют, почему середина распределения обычно выше. Там больше «разных раскладов», которые дают похожий итог: число способов подобрать позиции для успехов максимизируется около середины, поэтому вероятности там растут.

В-третьих, они помогают перейти от общей идеи к вычислению. Если известны n и p, то сочетания подставляются в вероятность как множитель, а затем остаётся аккуратно учесть, что успехи и неудачи имеют свои вероятности.

В-четвёртых, этот подход показывает связь разных разделов математики. Комбинаторика отвечает за число сценариев, вероятность — за «вес» каждого сценария, а алгебра собирает всё в одну компактную формулу.

И как только возникает уверенность, что дерево исходов можно «сжать» до точных чисел, полезно посмотреть, как выглядит само дерево — но уже в совсем маленьких задачах, где всё можно представить образно.

19. Как выглядит дерево исходов в маленьких задачах

Представить биномиальную схему проще всего через «дерево исходов». На первом шаге — два ответвления: успех и неудача. На втором шаге каждая ветка снова делится на два варианта. Так растёт число путей, а значит, растёт и число способов получить разные суммы успехов.

В маленькой задаче дерево удаётся «прочитать» буквально: видно, какие листья соответствуют одному успеху, двум успехам и так далее. Эти листья — как маленькие истории, в каждой из которых исходы располагаются в определённом порядке.

Особенно наглядно сравнение: два разных листа могут привести к одному и тому же числу успехов. Например, успех может оказаться на первом месте или на втором — итог по числу успехов одинаков, но сценарии разные. Именно поэтому в формуле появляется сочетание: оно «склеивает» все такие истории в одну вероятность.

Такое мини-дерево помогает понять, почему сочетания становятся ключом. Далее уже проще перейти от «картинки» к общему правилу: повторяя испытания и считая количество способов, можно получать вероятности без полного перечисления всех листьев.

20. Схема Бернулли помогает считать повторяющиеся случайные события

Схема Бернулли помогает считать повторяющиеся случайные события потому, что превращает набор независимых испытаний в понятную формулу. Она связывает алгебру, комбинаторику и вероятность в одном выражении.

Когда испытания одинаковы, независимы и имеют два исхода, становится возможным точно найти вероятность нужного числа успехов — не перебирая все ветви дерева вручную. Именно поэтому эта модель так популярна: от простых монет до задач, где успех — это конкретное событие.

Итоговый смысл можно сформулировать так: где в распределении будет «центр» и каков будет самый вероятный итог — определяется параметрами n и p, а точные значения даёт формула биномиального распределения. Математика берёт случайность и превращает её в вычислимую картину.

Источники

Колмогоров А. Н. Основные понятия теории вероятностей. — М.: Наука, 1991.

Гмурман В. Е. Теория вероятностей и математическая статистика. — М.: Высшая школа, 2004.

Шапошников А. В., Тихомиров В. М. Вероятности и статистика в школьном курсе: методические материалы. — М.: Просвещение, 2010.

Сборник задач по теории вероятностей для 7–9 классов / под ред. И. С. Громова. — М.: Просвещение, 2016.

Б. В. Гнеденко. Курс теории вероятностей. М.: Наука, 1988.

Дж. Оуэн. Теория вероятностей: введение. М.: Мир, 1999.

П. С. Александров, В. А. А. Боровков. Теория вероятностей. М.: Просвещение, 1977.

Р. Г. Липцер, А. А. Розов. Теория вероятностей. М.: Физматлит, 2007.